26年AI疗效判读应用指引

202XLOGO26年AI疗效判读应用指引演讲人2026-04-2901.02.03.04.05.目录指引制定背景与适用范围AI疗效判读的核心应用原则不同场景下的标准化应用流程AI疗效判读的质量控制与风险管控总结作为一名在AI医疗落地领域深耕近十年的从业者，过去三年我全程参与了三款AI疗效判读产品的注册申报与临床推广，走访了全国30余家不同层级的医疗机构，亲眼见过AI将实体瘤疗效判读的耗时从人工平均40分钟缩短到3分钟的效率提升，也碰到过因为不规范应用导致误判、差点延误患者治疗的案例。进入2026年，随着国家药监局批准的AI疗效判读三类医疗器械产品数量突破15款，应用场景覆盖肿瘤、慢病、术后管理等多个核心领域，行业从试点探索进入规模化落地阶段，亟需一套统一可落地的应用规范明确边界、统一标准，因此结合行业实践与监管要求形成本指引。01指引制定背景与适用范围1制定背景AI疗效判读的核心是通过算法对患者治疗前后的医学影像、病理切片、实验室指标等多源数据进行对比分析，按照统一评估标准给出疗效分级结论，解决人工判读存在的一致性差、效率低、劳动强度大等痛点。2023年之前，国内获批的AI医疗产品多以病灶检测、良恶性分类为主，涉及疗效判读的三类证产品不足2款，多数医疗机构多采用通用模型自行适配，没有统一应用标准，行业乱象和安全风险逐步显现。我2024年在南方一家三甲医院肿瘤科调研时，就碰到过典型问题：该科室用自研未验证的模型做免疫治疗的RECIST疗效评估，AI判读结果和三位高年资医师的人工一致判读结果一致性仅为0.72，其中12%的病例把扫描伪影导致的病灶密度变化误判为病灶缩小，差点为患者调整了治疗方案。这件事给我的印象极深：AI疗效判读和初诊病灶诊断不一样，它直接决定后续治疗方案的选择，错判的代价远大于初诊漏诊，规范化应用的指引必须尽早明确。1制定背景2025年国家药监局发布《AI医疗器械临床应用规范指导原则》，明确要求针对不同细分场景制定落地性应用规范，本指引就是基于政策要求和行业实践总结形成，为各类机构应用AI疗效判读提供参考。2适用范围2.1适用主体本指引适用于各级各类开展AI疗效判读临床应用的相关主体：包括各级综合医院、专科医疗机构、第三方医学影像/病理检验机构，取得NMPA医疗器械注册证的AI疗效判读产品服务商，开展药物临床试验的申办方、合同研究组织（CRO）与研究中心。未经过临床验证的实验性自研模型仅用于内部科学研究的，不适用本指引的临床应用要求。2适用范围2.2适用场景本指引覆盖当前四类主流AI疗效判读应用场景：抗肿瘤药物治疗后的疗效评估：包括实体瘤RECIST标准评估、淋巴瘤Chesson标准评估、免疫治疗后假性进展与真进展鉴别等；慢性疾病长期管理的疗效判读：包括糖尿病血糖控制效果评估、高血压血压管控效果评估、慢阻肺肺功能改善效果评估等；有创治疗后的疗效判读：包括肿瘤根治术后残留病灶评估、介入栓塞后肿瘤坏死程度评估、骨折术后愈合情况评估等；药物临床试验中的独立疗效评估：包括investigator评估复核、独立影像评估委员会（IRC）辅助评估等。明确了指引制定的背景与适用边界后，我们需要先确立AI疗效判读应用的核心原则，这是所有应用行为的基础，任何场景的应用都不能偏离这些基本原则。02AI疗效判读的核心应用原则1辅助决策不可替代原则AI疗效判读自落地以来，一直存在“是否会替代医师”的争议，行业实践反复证明，AI只能作为辅助工具，绝不能替代执业医师的最终判断。我之前就听说过一家第三方检验中心为了节省人力，直接把AI判读结果打印发出，连医师签字都省略，最终被监管部门处罚，这个教训值得所有机构警惕。1辅助决策不可替代原则1.1明确权责划分AI疗效判读输出仅为临床决策的辅助参考依据，最终判读结果必须由取得合法执业资质的医师确认并签字生效；AI服务商仅对模型性能符合注册申报承诺的指标负责，不承担临床疗效判读的最终责任。1辅助决策不可替代原则1.2坚持临床信息优先当AI判读结果与患者临床症状、实验室检查结果、病理活检结论不一致时，必须以临床综合判断结果为准，不得优先采信AI结果，更不能强制要求临床医师按照AI结果调整治疗方案。2数据合规与隐私保护原则AI疗效判读的准确性高度依赖训练和应用数据的质量，数据合规是应用的前提。2数据合规与隐私保护原则2.1训练数据合规要求AI产品上市前的训练数据必须全部具备合法来源与患者知情同意，不得使用未获得授权的公开医疗数据训练模型。我2025年参与一款产品的注册申报时，就发现有120多例数据来自公开论文数据集、未获得患者知情同意，最终只能全部更换数据，耽误了6个月的申报进度，这个合规风险所有服务商都必须重视。2数据合规与隐私保护原则2.2临床应用数据合规要求临床应用阶段，所有输入AI模型的患者数据必须按照要求去除个人标识，符合《个人信息保护法》《医疗卫生机构网络安全管理办法》的要求，不得将患者原始数据传出至医疗机构内部合规服务器，确需云端计算的必须采用符合等保三级要求的云服务平台。3可解释性原则AI疗效判读绝不能是“黑箱”，必须输出可追溯、可验证的判读依据，方便医师复核。3可解释性原则3.1量化结果可追溯AI必须明确给出治疗前后病灶大小、体积、密度等核心指标的变化数值，明确标注结论符合哪项评估标准的哪一个分级，不能只输出“部分缓解”“疾病进展”这类模糊结论。3可解释性原则3.2对比依据可视化AI必须在原始影像或病理切片上标注出治疗前后的对比区域，显示变化幅度，方便医师快速定位复核，降低医师的复核工作量。在核心原则的指导下，针对当前主流的三类应用场景，我们梳理了标准化的应用流程，明确每个环节的操作要求，确保应用符合规范。03不同场景下的标准化应用流程1药物临床试验场景的AI疗效判读应用流程药物临床试验的疗效判读结果直接影响试验结论的有效性，对一致性和准确性要求极高，因此流程要求最为严格。1药物临床试验场景的AI疗效判读应用流程1.1试验启动前的本地化验证任何AI模型用于临床试验前，申办方必须联合研究中心，使用本中心至少50例已完成人工标化的回顾性病例做本地化验证，要求AI与本中心高年资医师人工判读的一致性kappa值≥0.85，整体符合率≥90%，不符合要求的AI模型不得用于该试验。1药物临床试验场景的AI疗效判读应用流程1.2盲态下的标准化操作AI判读必须在设盲状态下完成，操作人员不得知晓试验分组信息，AI模型也不得将试验分组信息纳入输入变量，避免人为引入判读偏倚。AI完成初判后，必须由IRC的两名独立医师分别复核，结果一致才能作为最终疗效判定结果，结果不一致的提交第三方专家仲裁。1药物临床试验场景的AI疗效判读应用流程1.3结果溯源存档AI输出的所有原始结果、中间计算文件、可视化标注都必须与病例资料一起存档，保存期限不得短于试验结束后5年，满足监管核查的要求。2临床常规诊疗场景的AI疗效判读应用流程临床常规诊疗面向普通患者，流程设计需要兼顾效率和安全，根据风险等级分层管理。2临床常规诊疗场景的AI疗效判读应用流程2.1治疗前后数据的标准化预处理数据标准化是AI判读准确的前提，我2025年在华东一家地市级医院调研时碰到过典型案例：患者基线CT是1mm层厚平扫，随访CT是5mm层厚增强，未做预处理直接输入AI模型，AI算出病灶体积缩小32%，判定为部分缓解，后来人工复核发现是层厚差异导致的测量误差，实际病灶仅缩小8%，属于疾病稳定，差点给患者错误调整方案。因此，统一要求：同一患者的疗效对比，必须使用同机型、同扫描参数、同造影剂方案的采集数据，数据格式统一为DICOM标准，不符合要求的数据必须重新采集，或经过标准化归一化预处理后才能输入模型。2临床常规诊疗场景的AI疗效判读应用流程2.2分层人工复核流程根据判读风险等级，分层设置复核要求：低风险判读（如糖尿病血糖控制疗效评估、高血压降压效果判读等不直接决定高风险治疗方案调整的场景），AI初判后由一名执业医师复核即可；中风险判读（如术后愈合评估、常规化疗疗效评估等），AI初判后由高年资住院医师以上资质的医师复核；高风险判读（如免疫治疗后实体瘤疗效评估、靶向药耐药判定等直接决定治疗方案调整的场景），AI初判后必须由两名主治医师以上资质的医师复核，结果一致才能出具最终报告。2临床常规诊疗场景的AI疗效判读应用流程2.3结果整合入电子病历AI判读的原始结果、量化数据、可视化标注都必须作为附件嵌入电子病历系统，医师的最终复核意见必须明确标注“经人工复核，同意AI判读结果”或“经人工复核，修正AI判读结果为×××”，确保全流程可追溯。3公共卫生与人群健康管理场景的AI疗效判读应用流程该场景面向批量人群，核心要求是批量质控准确，输出满足公共卫生决策需要的结论。3公共卫生与人群健康管理场景的AI疗效判读应用流程3.1批量数据前置质控批量数据输入AI模型前，必须先做自动质控，排除清晰度不达标、采集不符合标准的数据，不合格数据退回重新采集，避免垃圾数据进垃圾数据出的问题。3公共卫生与人群健康管理场景的AI疗效判读应用流程3.2个体与群体分层输出AI除了给出每一位受试者的个体疗效判读结果外，还要输出群体层面的疗效分布统计，比如某社区高血压干预后血压达标率、不同年龄层的疗效差异等，为公共卫生干预方案调整提供数据支撑。标准化流程是规范应用的基础，而持续的质量控制与风险管控，是保障AI疗效判读长期安全应用的核心支撑，必须建立常态化机制及时发现问题解决问题。04AI疗效判读的质量控制与风险管控1常态化质量控制机制1.1模型性能季度验证医疗机构要和AI服务商共同建立固定的本地测试集，测试集包含不同疾病类型、不同影像质量、不同病情程度的病例不少于100例，每季度对AI模型做一次性能测试，当AI判读准确率下降超过5%、或一致性kappa值下降超过0.05时，立即停止临床应用，对模型进行优化迭代，验证合格后才能恢复使用。1常态化质量控制机制1.2月度抽样复核制度医疗机构要每月对AI判读结果进行抽样复核，抽样比例不低于当月AI判读病例总数的10%，当抽样复核的不符合率超过5%时，要对当月所有AI判读病例进行全面复核，同时排查问题原因，整改到位后才能恢复应用。1常态化质量控制机制1.3不良事件上报制度发生因AI判读误判导致的不良事件或医疗纠纷时，必须在24小时内上报医院医学伦理委员会和属地监管部门，不得隐瞒。2常见风险点与应对方案2.1数据异质性导致的判读偏差不同中心的设备型号、扫描参数差异大，容易导致AI判读偏差，应对方案：AI模型必须提前完成跨中心域适应优化，临床应用前必须做本地化校准，对不同来源的数据做归一化预处理，降低异质性影响。2常见风险点与应对方案2.2罕见病例的误判漏判AI训练阶段罕见病例样本量少，容易出现误判，应对方案：所有罕见肿瘤、特殊部位病灶的疗效判读，全部强制人工复核，不得简化流程。2常见风险点与应对方案2.3模型迭代导致的结果不稳定AI服务商更新模型版本后，可能出现判读结果不一致的问题，应对方案：模型更新后必须重新做本地化验证，验证合格才能投入使用，所有版本更新记录要存档，旧版本模型保留至少1年，方便溯源对比。2常见风险点与应对方案2.4责任界定模糊的风险部分机构合作时未明确权责，出了问题互相推诿，应对方案：医疗机构和AI服务商必须在合作协议中明确权责边界：AI为辅助决策工具，最终判读责任由出具报告的医师和医疗机构承担；因模型质量不符合注册标准导致的不良事件，由AI服务商承担相应责任。05总结总结本指引围绕2026年AI疗效判读的规模化应用需求，从制定背景、核心原则、标准化流程、质量管控四个维度，明确了落地应用的全流程规范，其核心思想可以总结为三句话：第一，AI疗效判读是辅助临床的效率工具，不能替